Project Icon

PaddleOCR-json

基于PaddleOCR的跨平台离线文字识别组件

PaddleOCR-json是基于PaddleOCR开发的离线文字识别组件,支持Windows和Linux系统。该项目提供简单的API接口,兼容多种编程语言,便于快速集成OCR功能。其特点包括部署便捷、识别迅速、精度较高,支持多语言识别,适用于多种复杂场景的文字识别需求。作为开源项目,PaddleOCR-json为开发者提供了一个灵活高效的OCR解决方案。

api4ai - 专业的云原生AI图像处理API平台
AI工具AI解决方案APICloud-native机器学习计算机视觉
api4ai是一个专业的云原生AI图像处理API平台,提供背景移除、OCR、内容审核、图像标签、人脸识别等多种功能。通过简单的HTTP API调用,企业、初创公司和开发者可轻松集成计算机视觉和机器学习能力,快速实现产品功能并提升业务效率。该平台还可根据特定需求定制解决方案,为各行各业提供经济实惠的个性化AI服务。
PaddleHub - 多领域应用的跨平台AI模型服务平台
AI模型ERNIE-ViLGGithubHugging FacePaddleHubStable Diffusion开源项目
PaddleHub提供超过400种高质量AI模型,覆盖计算机视觉、自然语言处理和语音识别等领域。用户仅需3行代码即可进行模型预测,同时支持模型即服务,通过简单命令即可部署。最新版本v2.3.0引入了ERNIE-ViLG、Disco Diffusion和Stable Diffusion等模型,并支持在HuggingFace平台上发布。PaddleHub兼容Linux、Windows和MacOS,适合多平台开发。
large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究
GithubOCR多模态大型模型开源项目缩放法则视觉问答
本项目研究 OCR 技术对多模态大模型性能的影响。实验表明,OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集,验证了 OCR 领域的缩放法则,并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向,揭示了 OCR 在增强模型能力方面的重要价值。
doctr-torch-parseq-multilingual-v1 - 多语言OCR解决方案,兼具TensorFlow 2和PyTorch兼容性
DoctrGithubHuggingfacePyTorchTensorFlow 2光学字符识别开源项目模型模型预测
该项目是一种多语言光学字符识别(OCR)工具,支持TensorFlow 2和PyTorch,提供了流畅的用户体验。开发者可通过Python代码方便地加载和预测模型,实现从文字检测到识别的完整流程,非常适合需要多语言处理的应用。
pdfdeal - PDF文本提取与优化工具 支持多种OCR引擎
Doc2XGithubOCR识别PDF处理pdfdeal开源项目知识库构建
pdfdeal是一个开源的PDF处理工具,专注于提取和优化文本内容。该工具支持多种OCR引擎,包括Doc2X,可实现PDF文本提取、图像文字识别和格式优化。pdfdeal支持多种文件格式,并提供与graphrag等检索增强生成(RAG)工具的集成指南,有助于提高知识库构建效率。
lingua-go - 准确识别文本语言的灵活工具,适用于多种自然语言处理场景
AIGithubLingua开源项目文本分类自然语言处理语言识别
Lingua-go 是一款能够准确识别文本语言的开源工具,适用范围广泛,包括长文本、单个词语和短语等。相比其他库,它在处理短文本时表现更佳,无需依赖外部API,支持75种语言,完全离线使用,适合预处理、文本分类和拼写检查等自然语言处理任务。
STranslate - 多功能翻译和OCR工具,基于WPF开发
GithubOCRSTranslateWPF开源项目翻译工具
STranslate是一款多功能的翻译和OCR工具,基于WPF开发,满足各种翻译和文字识别需求。用户可以下载最新版本并参阅使用文档获取帮助。项目提供讨论社区,向所有贡献者和灵感来源致谢,并欢迎通过微信或支付宝进行捐赠支持。
MORT - 多语言屏幕实时OCR和翻译工具
GithubMORTOCR多语言支持实时翻译开源项目机器翻译
MORT是一款开源的屏幕实时OCR和翻译工具,支持从屏幕提取文本并进行实时翻译。它集成了多种OCR引擎如TesseractOCR、Windows OCR等,以及Papago、Google等翻译服务。MORT具备多区域OCR、图像调整和自定义API等功能,可应用于游戏、视频等场景的实时翻译。该工具支持英语和日语的默认提取与翻译,并可通过剪贴板功能与钩子程序联动。
doctr - 由深度学习提供支持的无缝、高性能和可访问的库,用于 OCR 相关任务
GithubOCRPyTorchTensorFlowdocTR开源项目文本识别
docTR提供高效、准确的OCR解决方案,支持PDF和图像文件,基于TensorFlow 2和PyTorch。能快速检测识别文档文字,并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式,方便后续处理和分析。
mPLUG-DocOwl - 多模态大语言模型实现无OCR文档理解的新突破
AI图表分析DocOwlGithubOCR-free多模态大语言模型开源项目文档理解
mPLUG-DocOwl是阿里巴巴集团开发的多模态大语言模型家族,致力于无OCR文档理解。该项目包含DocOwl1.5、TinyChart和PaperOwl等子项目,覆盖文档分析、图表理解和科学图表分析领域。mPLUG-DocOwl在多项基准测试中展现出卓越性能,推动文档智能处理技术进步。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号